A Novel Multiagent Flexibility Aggregation Framework

要約

新興のスマート グリッドで分散型エネルギー リソース (DER) の数が増加しているため、これらの資産を効率的に利用できるインテリジェントなマルチエージェント フレームワークが差し迫った必要性を生み出しています。
この論文では、グリッド内の DER の効果的な管理と効率的な統合のためのマルチエージェント アーキテクチャとさまざまなタイプのメカニズムを含む、新しい DER 集約フレームワークを提案します。
私たちのアーキテクチャの重要なコンポーネントの 1 つは Local Flexibility Estimators (LFE) エージェントです。これは、プライバシー上の懸念への対処や、提供されるデマンド レスポンス サービスに関する DER ステートメントの精度の予測など、重大なリソース集約型の責任からアグリゲーターを解放するための鍵となります。
。
提案された枠組みにより、効率的な LFE 協同組合の形成が可能になります。
この目的を達成するために、(a) スコアリング ルール、(b) (深層) 強化学習など、さまざまな協力メンバー選択メカニズムを開発し、展開しました。
有名な PowerTAC シミュレーターからのデータを使用して、フレームワークを体系的に評価します。
私たちの実験では、異種の DER を効率的な方法でグリッドに組み込むためのその有効性を検証しています。
特に、よく知られた確率的予測精度を奨励する CRPS スコアリング ルールを選択メカニズムとして使用する場合、当社のフレームワークは、従来の商用アグリゲーターと比較した場合、参加者への平均支払い額が増加します。

要約(オリジナル)

The increasing number of Distributed Energy Resources (DERs) in the emerging Smart Grid, has created an imminent need for intelligent multiagent frameworks able to utilize these assets efficiently. In this paper, we propose a novel DER aggregation framework, encompassing a multiagent architecture and various types of mechanisms for the effective management and efficient integration of DERs in the Grid. One critical component of our architecture is the Local Flexibility Estimators (LFEs) agents, which are key for offloading the Aggregator from serious or resource-intensive responsibilities — such as addressing privacy concerns and predicting the accuracy of DER statements regarding their offered demand response services. The proposed framework allows the formation of efficient LFE cooperatives. To this end, we developed and deployed a variety of cooperative member selection mechanisms, including (a) scoring rules, and (b) (deep) reinforcement learning. We use data from the well-known PowerTAC simulator to systematically evaluate our framework. Our experiments verify its effectiveness for incorporating heterogeneous DERs into the Grid in an efficient manner. In particular, when using the well-known probabilistic prediction accuracy-incentivizing CRPS scoring rule as a selection mechanism, our framework results in increased average payments for participants, when compared with traditional commercial aggregators.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google